7 General report resource states

Tabel 4.7 General report resource states

Scheduled

% Travel % Travel

Name

% Idle % Down karyawan 1

Time (HR)

% In Use

To Use

To Park

46 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

99,95 0,00 Dari tabel diatas, dapat disimpulkan bahwa karyawan 2 memiliki persentase

menganggur sebesar 0%-99.91%. Jadi prosentase idle karyawan 2 termasuk tinggi, sehingga seharusnya ditambahkan tugas agar bisa mengurangi idle pada karyawan 1,sehingga sistem yang ada menjadi lebih efektif dan efisien.

4. Entity Activity (Total Exit)

Tabel 4.8 General report entity activity

Avg Time Avg Time

Avg Time

Avg Time In Total

Current

In

In Move

Waiting Operation Name

(MIN) (MIN) surat

112,97 0,05 kantong surat

14,87 0,21 kontainer surat

0,00 0,17 Dari gambar diatas dapat diketahui bahwa total entitas surat yang keluar

terbesar dari proses terjadi pada entitas surat yakni sebesar 60 unit. Berarti hal itu menunjukan bahwa dalam satu set pengamatan ada surat yang keluar untuk dikirim ke alamat masing-masing. Pada tabel current qty in system menunjukkan bahwa jumlah tersebut merupakan jumlah entitas yang ada di dalam sistem sebelumnya. Misalnya untuk entitas surat sebelumnya yang berada pada sistem berjumlah 31,60.

5. Variable (All)

Total Changes

Tabel 4.9 Variable ( Total Changes) Replikasi ke-

1 2 3 4 5 Nama

Total Produk 0 1 0 0 0 WIP

86 93 Jadi, nilai yang diberikan pada variabel (total pelanggan, total biaya, dan

WIP) berubah selama simulasi yaitu pada total pelanggan adalah X kali, total biaya adalah X kali, dan WIP ( work in process) adalahX kali.

LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

47 JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

3.6 Verifikasi dan Validasi Berikut merupakan verifikasi dan validasi model pengiraman surat nasional PT. POS Indonesia Malang.

4.1.1 Verifikasi Verifikasi berkaitan dengan kondisi konseptual apakah model telah sesuai dengan konsep yang diinginkan (Banks, Carson, dan Nelson. 1995). Berikut ini adalah tahapan-tahapan yang dilakukan dalam memverifikasi model simulasi.

1. Melakukan pencocokan animasi dengan model pada software simulasi dapat berjalan dengan sesuai.

Gambar 4.21 Animasi model pada software simulasi Dari gambar diatas dapat dilihat animasi pada model softwaresimulasi dapat

berjalan sesuai dengan logika proses sehingga dapat terverifikasi.

2. Membandingkan diagram alir konseptual dengan model pada software simulasi.

48 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

A1 A2 A3 A4 A5 A6 A7 A8 Kustomer Datang

Kustomer Mengantri

Kustomer dilayani

Antri Scan Barcode

Scan Barcode Pada Surat

Antri Masuk

Surat Masuk

Kontainer

Kontainer Surat Keluar

Gambar 4.19 Perbandingan antara petrinet dan Promodel Gambar di atas dapat menunjukkan bahwa diagram alir konseptual dan model pada software simulasi sama. Jadi dapat dikatakan model pada software simulasi terverifikasi.

3. Melihat rangkuman proses pada model dan melakukan pencocokan ulang

terhadap logika proses.

Gambar 4.20 Logika proses pada software simulasi Dari gambar diatas dapat dilihat bahwa rangkuman proses pada model sudah sesuai terhadaplogika proses dengan waktu dalam detik sudah sesuai sehingga model pada software Promodel terverifikasi.

LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

49 JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

4. Melakukanpengecekan error (compile atau debugging)

Gambar 4.22 Pengecekan complied successfully Pada gambar diatas, operationdalambuild prossecing, lambang compiler yang ada di kotak dialog menyatakan bahwa Complied Successfullysehingga tidak terdapat error pada model dan telah terverifikasi.

4.7.2 Validasi Pada uji validasi ini diambil lima data waktu aktual dan simulasi, meliputi: output, waktu proses A dan waktu proses B.

Tabel 4.10 Data waktu aktual dan simulasi

No.

Output

Waktu Proses A

Waktu Proses B

Aktual Simulasi

1. Uji Normalitas Data

a. Buka Software SPSS 20.

b. Masukkan data ke Data View.

c. Melakukan uji kenormalan data dengan klik Analyze  Descriptrive Statistics  Explore. Masukkan semua data di table sebagai dependent list.

Klik plots, centang pada Normality Plots With Test. Klik continue lalu klik OK.

50 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

Gambar 4.32 Langkah-langkah uji kenormalan data

d. Muncul output sebagai berikut.

Tabel 4.11 Uji Normalitas

Tests of Normality

Kolmogorov-Smirnov a Shapiro-Wilk

df Sig. Output1

Statistic

df Sig.

5 ,000 Proses_A1

5 ,173 Proses_A2

5 ,226 Proses_B1

,262

5 ,200 * ,859

5 ,040 Proses_B2

5 ,135 *. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

e. Output uji normal

1) Data outputaktual (output1) Ho: Data aktual output berdistribusi normal H1: Data aktual output tidak berdistribusi normal Kriteria pengujian: Ho diterima apabila nilai Sig. (2- Tailed) ≥ . 5 H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05 Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk = (0,8) > 0.05, maka data output aktual berdistribusi normal.

2) Data output simulasi (output2) Ho: Data aktual output berdistribusi normal H1: Data aktual output tidak berdistribusi normal

LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

51 JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

Kriteria pengujian: Ho diterima apabila nilai Sig. (2- Tailed) ≥ . 5 H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05 Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk = (0,0) < 0.05, maka data output simulasi tersebut tidak berdistribusi normal. Data aktual proses A (A1) Ho: Data aktual proses Aberdistribusi normal H1: Data aktual proses Atidak berdistribusi normal Kriteria pengujian: Ho diterima apabila nilai Sig. (2- Tailed) ≥ . 5 H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05 Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk(0,173) lebih dari

0.05 maka data aktual berdistribusi normal.

3) Data simulasi proses A (A2)

Ho: Data simulasi proses A tiketberdistribusi normal H1: Data simulasi proses A tikettidak berdistribusi normal Kriteria pengujian: Ho diterima apabila nilai Sig. (2- Tailed) ≥ . 5 H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05 Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk (0.226) lebih dari

0.05 maka data pada simulasi berdistribusi normal.

4) Data aktual proses B (B1)

Ho: Data aktual proses di kasir berdistribusi normal H1 : Data aktual proses di kasir tidak berdistribusi normal Kriteria pengujian: Ho diterima apabila nilai Sig. (2- Tailed) ≥ . 5 H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05 Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk(0,4) lebih dari

0.05 maka data aktual berdistribusi normal.

5) Data simulasi proses B (B2)

Ho: Data aktual proses di kasir berdistribusi normal

52 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

H1 : Data aktual proses di kasir tidak berdistribusi normal Kriteria pengujian: Ho diterima apabila nilai Sig. (2- Tailed) ≥ . 5 H1 diterima apabila nilai Sig. (2-Tailed) ˂ 0.05 Kesimpulan: Pada tabel hasil SPSS nilai Shapiro-Wilk(0,135) lebih dari

0.05 maka data aktual berdistribusi normal.

f. Kesimpulan Dari pengujian hipotesis di atas dapat diambil kesimpulan sebagai berikut.

1) Data Output aktual berdistribusi normal.

2) Data Output Simulasi tidak berdistribusi normal.

3) Data aktual dan data simulasi proses di proses A berdistribusi normal.

4) Data aktual dan data simulasi proses di proses B berdistribusi normal.

2. Uji Perbandingan Rata-rata 2 Sampel Independen

a. Output Output aktual berdistribusi normal sedangkan output simulasi tidak berdistribusi normal sehingga harus diuji lagi dengan non parametrik pada SPSS yaitu Mann-Whitney. Langkah-langkahnya adalah sebagai berikut:

1) Aktifkan variable view danisikan nama variabel, kemudian isikan data pada data view.

2) Klik analyze, pilih Nonparametric Tests, kemudian pilih Legacy Dialogs dan klik 2 Independent Samples.

3) Masukkan variabel pada kotak test variable list, kemudian centang Mann-Whitney U pada kotak Test Type.

4) Untuk menentukan grup, klik define groups. Selanjutnya pada kotak dialog groups , tuliskan

untuk group dan untuk group 2. Lalu klik continue.

5) Klik tombol options, kemudian centang descriptive dan pilih Exclude cases test-by-test, lalu klik continue, kemudian klik OK.

6) Kemudian muncul output sebagai berikut:

LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

53 JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

Tabel 4.12 Output Aktual dan Simulasi

Test Statistics a Output1

Mann-Whitney U

Wilcoxon W

Asymp. Sig. (2-tailed)

Exact Sig. [2*(1-tailed Sig.)]

,032 b

a. Grouping Variable: group b. Not corrected for ties.

Hipotesis:

H 0 = tidak terdapat perbedaan antara data simulasi dengan data nyata

(valid)

H 1 = terdapat perbedaan antara data simulasi dengan data nyata

(tidak valid) Nilai taraf nyata ( α) = 0.05 Kriteria pengujian:

H 0 diterima jika nilai Asymp. Sig. (2- tailed) ≥ α/2

H 0 ditolak jika nilai Asymp. Sig. (2-tailed) < α/2 7.) Kesimpulan

Berdasarkan hasil output pada tabel , didapatkan nilai Sig. (2-tailed)=

0.24 > 0.05, maka H 0 diterima, berarti tidak terdapat perbedaan

antara data simulasi dengan data aktual (valid).

b. Proses di A dan Proses di B

Proses A dan Baktual berdistribusi normal sertaProses A dan Bsimulasi berdistribusi normal sehingga harus diuji dengan parametrik pada SPSS yaitu Idependent-t Test. Langkah-langkahnya adalah sebagai berikut:

1) Aktifkan variable view danisikan nama variabel, kemudian isikan data

pada data view.

2) Klik analyze, pilih Compare Means, kemudian pilih Independent T-Test.

3) Masukkan variabel pada kotak test variable.

4) Untuk menentukan grup, klik define groups. Selanjutnya pada kotak

dialog groups , tuliskan

untuk group dan untuk group 2. Lalu

klik continue.

54 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

5) Kemudian klik OK.

6) Kemudian muncul output sebagai berikut: Tabel 4.13 Independent-t Proses A dan Proses B

Independent Samples Test

Lev ene's Test f or Equality of

Variances

t-test f or Equality of Means 95% Conf idence

Interv al of the

Sig. (2-

Mean

Std. Error Dif f erence

Dif f erence Lower Upper Proses_

F Sig.

df tailed)

Dif f erence

Equal

3.583 -6.808 9.716 A v ariances assumed

3.583 -6.847 9.755 v ariances not

assumed Proses_

106.42 -221.45 269.36 B v ariances assumed

106.42 -248.02 295.93 v ariances not assumed

H 0 = tidak terdapat perbedaan antara data simulasi dengan data nyata

(valid)

H 1 = terdapat perbedaan antara data simulasi dengan data nyata

(tidak valid) Nilai taraf nyata ( α) = 0.05 Kriteria pengujian:

H 0 diterima jika nilai Asymp. Sig. (2- tailed) ≥ α/2

H 0 ditolak jika nilai Asymp. Sig. (2-tailed) < α/2 7.) Kesimpulan Berdasarkan hasil proses A dan proses B pada tabel, didapatkan nilai Sig. (2-tailed) > 0.05, maka untuk proses A dan proses H 0 diterima, berarti tidak terdapat perbedaan antara data simulasi dengan data aktual (valid).

LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

55 JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA

Halaman ini sengaja diko so ngkan

56 LABORATORIUM SIMULASI DAN APLIKASI INDUSTRI

JURUSAN TEKNIK INDUSTRI - UNIVERSITAS BRAWIJAYA